qq_44386182的博客

重点总结： 随机样本是从数据角度出发。而随机变量是从理想模型角度出发。实际应用中都是用数据样本构建均值方差等量，然后用参数估计的方法 倒推出其理想模型，然后用模型去检验实际数据。这是统计学实际应用的方法思想。协方差含义：刻画了两个变量 X Y的相关性（或者说是多元数据中两个特征量的相关性）相关系数在协方差基础上进一步严格定义了两个特征变量的关系 如下。：回顾概率论与数理统计的内容。

线性判别分析（Linear Discriminant Analysis，简称LDA）是一种经典的监督学习的数据降维方法，也叫做Fisher线性判别（Fisher Linear Discriminant，FLD），是模式识别的经典算法 ，它是在1996年由Belhumeur引入模式识别和人工智能领域的。LDA的主要思想是将一个高维空间中的数据投影到一个较低维的空间中，且投影后要保证各个类别的类内方差小而类间均值差别大，这意味着同一类的高维数据投影到低维空间后相同类别的聚在一起，而不同类别之间相距较远。

协方差两个用途： 各有缺陷 第二个用途：马氏距离（曼哈顿距离） 例如 欧式距离定义 马氏距离： 马氏距离意义： 案例：鸢尾花案例 随机向量的变换 实际案例： 随机变量的线性组合......

原理： 线性判别分析（Linear Discriminant Analysis，简称LDA）是一种经典的监督学习的数据降维方法，也叫做Fisher线性判别（Fisher Linear Discriminant，FLD），是模式识别的经典算法 ，它是在1996年由Belhumeur引入模式识别和人工智能领域的。LDA的主要思想是将一个高维空间中的数据投影到一个较低维的空间中，且投影后要保证各个类别的类内方差小而类间均值差别大，这意味着同一类的高维数据投影到低维空间后相同类别的聚在一起，而不同类别之间相

对多元正态的估计采用极大似然估计方法估计其参数：结论 一元正态分布的性质：即为如何评估（重点） 直方图 QQ图 统计检验方法： 检验多元正态

箱线图目的：排出异常值 重点 代码：参考工业蒸汽预测代码箱线图

一元正态分布复习 多元正态分布学习公式公式针对多维向量的即多维特征变量 均值向量和协方差矩阵前面已经学习 二元正态分布密度等高线的概念 每个等高线都是椭圆 多元正态分布的性质 注：多变量变成一变量（线性组合）...